夜雨聆风随着人工智能越来越深入地融入日常工作中，人们可能会忽视那些有助于培养批判性思维、形成独特人类视角的决策经验。长此以往，这将会削弱那些对组织做出精准且重要的决策至关重要的判断力、直觉以及情境感知能力。
——约翰霍普金斯大学凯里商学院研究简报
当AI越来越聪明，我们会不会变得越来越"懒于思考"？
维修飞机的人，会怎样"堕落"？（原谅我用这个词），个人依稀觉得那会是“驾驭复杂的能力——直觉——正在消失。”那么技能性任务，都会有这样的风险。
FAA人因研究报告指出一个扎心的事实：超过80%的航空维护错误携带人因要素。当我们为AI提效欢呼时，一个悖论早已被有识之士点破——
AI越强大，人因风险越高。
因为当AI长期表现良好时，我们开始停止独立评估它的错误。这种认知上的"默认信任"，叫作自动化偏见（Automation Bias）。
还有一篇2026年哈佛商业评论，核心论点是提出一个矛盾：AI同时增加了对判断力的需求，又摧毁了培养判断力的经验。作者曾在2022年率先观察到：AI不是在“拉平”能力，而是在“放大”已有的判断力差距。
按作者观点，判断力来自：重复 + 真实责任 + 反馈 + 试错。（文末附上链接，不转述）。
好奇的是，那么认知风险产生的过程是如何。
归纳总结起来，危险的认知链条是：偏见 → 自满 → 依赖 → 侵蚀
在AI时代，维修者应有意识对抗这种认知风险。
一、偏见：心理上觉得AI是对的
首当其冲的是偏见。这是认知层面的问题，是态度。
什么是自动化偏见？
它是一种可预测的认知反应：当自动化系统95%的时间都正确时，人的大脑会天然"下调"验证所需的努力，将概率性的AI输出当作确定性真理来接受。
维修工作本身就有"按程序执行"的基因。
当AI被充分信任后，人类的认知弱点将受认知节省、迷信权威、社会压力以及确认偏误等因素裹挟，失去独立思考能力。
权威错觉和确认偏见，由此产生。
二、自满：从认真检查到走过场
如果说"偏见"是认知层面的"默认信任"，那么"自满"就是行为层面的后果。
NASA和FAA关于人机协作的研究明确指出：
把任务分配给机器的做法，可能使人类失去执行任务或在需要时进行干预的能力，从而"让人类陷入失败"并降低系统安全性。
——NASA / FAA 人机协作研究
例如对AI生成的任务，工单优先级排序不再质疑，即使经验告诉你某条NRC应该提前处理；还例如，由于数据驱动的提示多了，第一反应是误报而不是去确认一下。
一旦开始"信任"AI，进一步，不再"验证"AI。
三、依赖：离了AI就不会干了
当依赖深入到能力层面，问题就严重了。
自动化偏见和自满如果持续下去，接着就是能力层面的退化。
你开始发现自己离了AI就无法独立完成某些诊断任务——遇到问题第一时间就去搜索知识库，而不是先调动自己的经验判断。
这种退化是隐形的：平时网线没断、5G信号正常、AI一直在线，除非是闭卷考试或应急场景，否则你不会意识到自己变"弱"了。
只有离开它，才会暴露出你的能力其实只是检索能力。
而这时，你依靠不了外脑——毕竟外脑就有这个死穴。日常并非考试，但应急时候就很糟糕了。
四、侵蚀：手动技能永久退化（身体感知和脑神经的失联）
技能侵蚀是最严重的长期后果，也是最隐蔽、最不可逆的风险。
正如计算机普及后手写字越来越差，习惯了自动挡哪天遇到手动挡确实生疏。
如果前三阶段没有被及时干预，最终会进入技能侵蚀——那些曾经熟练的手艺，因为长期不用而真的"荒废"了。
技能习得遵循"用进废退"原则。神经科学研究表明，长期不使用的神经通路会弱化。
当你连续数年依赖AI，观察敏感度、直觉都可能在紧急情况下降低独立决策的速度和信心。
对于生产一线，环境认知感、复盘能力、风险注意力——这些执行具体操作时的感知力都在钝化。
因为：AI没有消除任务，它只是转移了任务。当把能力转移到"评估AI置信度、判断如何决策"的思维工作——虽然这些工作同样消耗脑力，但身体和大脑在脱节。然而直觉是压缩了的复杂性感知——保住直觉的唯一方法，是主动进行"复杂预演"，而不是简化。
这些风险，是不是离我们还很远？其实不然。想象，当年轻机务习惯了对着平板看AI提示，做完提示的工作，当老师傅开始依赖系统自动生成的排故方案而不再去仔细观察——侵蚀就已经开始了。
它不会在某一天突然爆发，而是像锈蚀一样，从里向外慢慢吃掉你的判断力。
小结：
退化并非不可逆。可考虑应用这些原则，你必须学会"质疑它、验证它、必要时推翻它"。
在可以想象的未来，行业监管机构会从制度上保障人们这样做的权力。培训工作，也要开始教育AI的边界条件、已知偏见。
在AI时代，我们需要把自动化偏见、技能侵蚀也纳入SMS的危险源清单。
最后：对抗训练——守住"驾驭复杂"的能力
有研究将认知的卸载到AI过程作为非单纯的"认知减少"，重要的减少它会改变大脑网络的工作方式的作用。认知神经科学告诉我们一个好消息：退化的路径可以逆转，前提是有意识地、系统性地进行对抗训练。
以下训练手段按风险维度分类，维修者可在日常工作中执行的最小可操作方案：
【对抗"偏见"——实质是延迟满足】
拿到AI诊断或工卡推荐方案后，强制自己独立分析15分钟再打开AI。
先思考、先做预判，再看"答案"。在脑中走一遍完整的因果链推演，写下你预判的风险点和排故思路，然后再与AI对比，找出差异点。
这个动作强制激活负责逻辑推理的脑区，防止大脑默认采用AI结论。
【对抗"自满"——实质是自我问责】
AI给出推荐和建议后，在作出决策前，强制停顿5秒钟，在脑中回放一遍操作过程：
我最后可确认我知道，我看见的是什么? 它的安装状态我亲眼确认了吗？是判断还是事实，
这是强化自己的主动性，保持谦虚谨慎的态度。
【对抗"依赖"——实质是独立验证】
定期用无AI方式完成工作，把AI作为完成后的"对比参照"，而不是执行中的"拐杖"。
工作输出，禁用AI辅助10分钟，自己做一遍，你直觉上最不放心的地方，然后再打开AI比对。
这是一场对自己独立能力的"压力测试"。
【对抗"侵蚀"——实质是情景预演】
在执行关键工作时，务必用传统方式动脑，去推想自己能做多少预判。正如认知心理学里说的"心智预演"，可显著减少自满、维持情境意识与风险直觉。
在执行关键任务、尚未打开任何AI界面之前，闭眼3秒钟完成一个极简脑内模拟：
这最可能是什么问题，如果X部件不更换，故障重复的后果是什么。——这是给你的直觉强制输入极端复杂的情景，维持风险直觉，防止思考被AI架空。
1. https://hcdlab.carey.jhu.edu/resources/ai-and-judgment-development-in-workers/#menu
2. 2026年哈佛商业评论的文章“How do workers develop good judgment in the AI era?”
https://humainworkforce.com/wp-content/uploads/2026/02/H0929Y-PDF-ENG.pdf
minhangjiwuluntan
